MétaCan
Menu
Retour à la cohorte
Enregistrement W2146898502 · doi:10.1109/icpr.2008.4761010

Force histograms computed in O(NlogN)

2008· article· en· W2146898502 sur OpenAlexafffund
Jingbo Ni, Pascal Matsakis

Notice bibliographique

RevueProceedings - International Conference on Pattern Recognition/Proceedings/International Conference on Pattern Recognition · 2008
Typearticle
Langueen
DomaineComputer Science
ThématiqueImage Retrieval and Classification Techniques
Établissements canadiensUniversity of Guelph
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésHistogramQuadratic growthMathematicsPixelComputationRaster graphicsComputational geometryRegular polygonPosition (finance)Image (mathematics)AlgorithmFuzzy logicCombinatoricsComputer scienceArtificial intelligenceGeometry

Résumé

récupéré en direct d'OpenAlex

The relative position between two objects in a 2D raster image is often represented quantitatively by a force histogram. In the general case, force histograms are computed in O(KN√N) time: N is the number of pixels in the image and K is the number of directions in which forces are considered. When the objects are defined as fuzzy sets, this complexity also depends quadratically on the number M of possible membership degrees. In the present paper, an algorithm that runs in O(NlogN) is introduced. Computation times are basically independent of K and M. All objects (convex, concave, crisp, fuzzy) are handled in an equally fast manner. Experiments validate the theoretical analysis.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,863
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0020,003
Science ouverte0,0030,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,111
Tête enseignante GPT0,298
Écart entre enseignants0,187 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings - International Conference on Pattern Recognition/Proceedings/International Conference on Pattern RecognitionMême sujetImage Retrieval and Classification TechniquesTravaux en français237 207